基于微分同胚模板估计的自监督去噪：在光学相干断层扫描中的应用
图像与视频处理
2020-08-19 v1 计算机视觉与模式识别
机器学习
摘要
光学相干断层扫描（OCT）在眼科研究与临床实践中无处不在。然而，OCT 图像受噪声严重污染，限制其解读。当前 OCT 去噪器利用噪声分布的假设，或通过重复采集的平均为深度监督去噪器生成训练目标。然而，近期自监督进展允许仅使用重复采集、无需干净目标作为真值来训练深度去噪网络，从而减轻监督学习的负担。尽管自监督方法优势明显，其使用受限于 OCT 即使在同一受试者顺序扫描间也呈现强结构形变（因不自主眼动）。此外，重复图像的直接非线性对齐会引入噪声间的相关性。本文中，我们提出一种联合微分同胚模板估计与去噪框架，使得自监督去噪可用于运动形变的重复采集，而无需经验性配准其噪声实现。在 OCT 图像去噪中取得了显著的定性与定量改进，且对任意可接受多次曝光的成像模态具有通用效用。
引用
@article{arxiv.2008.08024,
title = {Self-supervised Denoising via Diffeomorphic Template Estimation: Application to Optical Coherence Tomography},
author = {Guillaume Gisbert and Neel Dey and Hiroshi Ishikawa and Joel Schuman and James Fishbaugh and Guido Gerig},
journal= {arXiv preprint arXiv:2008.08024},
year = {2020}
}
备注
To be published in MICCAI Ophthalmic Medical Image Analysis 2020. 11 pages, 4 figures, 1 table